AI Kindred استارتاپ کانادایی، به ربات‌ها آموزش می‌دهد چگونه کارهای پیچیده را با سرعت‌های فراتر از انسان انجام دهند. در این راستا، افراد راهنمایی که هدست‌های واقعیت مجازی پوشیده‌اند و کنترل‌کننده‌های ردیاب حرکت دارند به ربات‌ها کمک می‌کنند. با مجله فناوری توان‌افزا و پوشیدنی همراه باشید.

بعضی اوقات بازوی این ربات تحت کنترل انسان قرار می‌گیرد و به آن آموزش داده می‌شود که چگونه اشیا مختلف را در دست بگیرد.

فناوری یک دید کلی و جذاب از این‌که چگونه انسان‌ها ممکن است در آینده با ماشین‌ها همگام شوند را ارائه می‌دهد و نشان می‌دهد که چگونه استفاده از قابلیت‌های بشر، ممکن است قابلیت‌های سامانه‌های خودکار را تقویت کند. باتوجه به این‌که در حضور ربات‌ها و هوش مصنوعی، نگرانی‌هایی در مورد حذف شغل وجود دارد، اما هنوز کارهای بسیار زیادی وجود دارد که ماشین‌ها نمی‌توانند انجام دهند. این شرکت چندماه قبل سخت‌افزار خود را به مجله فناوری MIT Technology Review شرح داد و از برنامه‌هایش برای این‌که یک محصول را در ماه‌های آینده روانه بازار کند توضیح داد. Kindred امیدوار است که یادگیری به کمک انسان یک نوع کاملا جدید و قوی‌تری از هوش مصصنوعی را پرورش دهد.

Kindred توسط افرادی از شرکت D-Wave، یک شرکت محاسباتی کوانتومی در Burnaby کانادا، ساخته شده است. هم‌اکنون Kindred در حال آزمایش بر روی بازوهای رباتی صنعتی سنتی است که سریع‌تر و قابل اعتمادتر از حالت معمولی قادر به گرفتن و قراردادن اشیایی مانند اقلام کوچک لباس هستند. گاهی اوقات بازوها این کار را با کمک انسان‌ انجام می‌دهند، افراد از سخت‌افزار واقعیت مجازی برای مشاهده چالش‌ها و کنترل موقت یک بازو استفاده می‌کنند.

Geordie Rose موسس و مدیرعامل Kindred است و در گذشته شرکت D-Wave را تاسیس کرده است. او می‌گوید: «یک راهنما می‌تواند آنچه را که ربات در حال شنیدن، دیدن و احساس کردن است را بشنود، ببیند و احساس کند. این به ما اجازه می‌دهد که به ربات‎‌ها نشان دهیم چگونه مانند انسان‌ها عمل کنند. انسان‌ها سریع‌ترین یا بهترین در تمام جنبه‌های کنترل ربات نیستند، مانند قراردادن اشیا در مکان‌های خاص، اما آن‌ها هنوز در فهمیدن شرایط مشکل و پیش‌بینی نشده بهترین هستند.»

سامانه Kindred از الگوریتم‌های مختلف یادگیری ماشین استفاده می‌کند و تلاش می‌کند که بتواند پیش‌بینی کند که آیا یکی از این الگوریتم‌ها خروجی مطلوب مانند گرفتن یک قطعه را می‌دهد یا خیر. اگر هیچ‌ یک از این الگوریتم‌ها به موفقیت منجر نشود، از انسان کمک گرفته می‌شود. از همه مهم‌تر، الگوریتم‌ها از اقدامات کنترل‌کننده انسان یاد می‌گیرند. برای دستیابی به این هدف، شرکت از نوعی از یادگیری تقویتی (reinforcement learning) استفاده می‌کند.

Rose می‌گوید: «این سامانه می‌تواند دو برابر سریع‌تر از یک فرد، قطعه‌های کوچک لباس را بگیرد، درحالی‌که کارهایی که ربات به تنهایی انجام می‌دهد خیلی غیرقابل اعتمادتر هستند. همچنین، هر شخص قادر است چند ربات را به طور همزمان بکار بگیرد.» او اضافه می‌کند که Kindred در حال بررسی همه نوع از سامانه‌های human-in-the-loop است، برای نمونه سامانه‌ای که در آن یک فرد به سادگی بر روی یک عکس کلیک می‌کند تا به ربات نشان دهد که در چه مکانی شی را بگیرد و یا سامانه اسکلت خارجی کل بدن که کنترل کامل ربات انسان‌نما را به عهده دارد. او می‌گوید که معمولا راهنمایان یاد می‌گیرند که چگونه به طور موثر سامانه رباتیکی را از راه دور کنترل کنند.

ایده این فناوری از Suzanne Gildert است، کسی که در گذشته پژوهشگر ارشد شرکت D-Wave بوده و هم‌اکنون مدیر ارشد علمی شرکت Kindred است. این شرکت چندین سال در حالت مخفیانه (Stealth Mode ) کار می‌کرده اما اطلاعات مربوط به ثبت اختراع آنلاین توسط Gildert جلب توجه کرده است. این اختراع طرحی را برای ترکیب سامانه‌های مختلف کنترل از راه دور با یادگیری ماشین توصیف می‌کند. Stealth Mode به شرایطی گفته می‌شود که در آن یک کارخانه به صورت مخفیانه به کار خود می‌پردازد و علت آن را می‌توان جلوگیری از آگاه شدن رقبا از محصولی که به زودی معرفی خواهد شد، بیان کرد.

Gildert توضیح می‌دهد که ایده این بود که انواع سامانه‌های هوش مصنوعی را در مرحله یادگیری به کار ببریم و ببینیم کدام یک عملکرد بهتری دارد تا سرانجام ربات بتواند از انسان بیاموزد و در طول زمان شبیه به انسان رفتار کند. حتی اختراع Kindred، امکان داشتن سامانه‌هایی که توسط حیواناتی مانند میمون کنترل ‌شود را توصیف می‌کند. البته در حد ایده بود و هم‌اکنون هیچ میمونی توسط هیچ شرکتی استخدام نشده است. اگرچه او می‌گوید که شرکت یک گربه رباتیکی دارد و با استفاده از یادگیری تقویتی آموزش دیده است.”

همچنین بنیان‌گذاران Kindred به جای دانشمندان کامپیوتر و رباتیک، فیزیکدانان هستند. Rose می‌گوید برای دانشمندان کامپیوتر، بعضی اوقات مرز میان شبیه‌سازی و جهان واقعی مشخص نیست. ما اولویت بالایی را برای انجام کارهایی در نظرمی‌گیریم که ربات‌های واقعی در جهان واقعی انجام می‌دهند.» Ken Goldberg، استاد دانشگاه کالیفرنیا و برکلی، که در زمینه‌های یادگیری ماشین و رباتیک متخصص است، می‌گوید: «استفاده از مهارت‌های انسانی به طور چشمگیری به یادگیری ربات سرعت می‌بخشد. داشتن ربات‌هایی که از انسان‌ها یاد می‌گیرند، یک زمینه فعال برای پژوهش است.

اما چالش‌های فنی‌ شامل یادگیری از طریق کنترل از راه دور ناچیز نیستند. Sangbae Kim، استادیار دانشگاه MIT است که در حال کار روی ربات‌های انسان‌نمای کنترل از راه دور هستند، می‌گوید: «نگاشت کنترل انسان به عمل ماشینی به طرز باورنکردنی پیچیده است. نخستین چالش برای ردیابی حرکت‌های انسان توسط وصل کردن اتصالات سخت به پوست است. چالش دیگر، درک واقعی تمام جزئیات مراحل تصمیم‌گیری انسان است که اکثرا به طور ناخودآگاه اتفاق می‌افتد.» همه موجودات زنده، الگوهای خاصی از رفتار و عمل را دنبال می‌کنند. ما در تلاش هستیم ماشین‌هایی را بسازیم که از اصول مشابهی پیروی می‌کنند.

منبع: Technologyreview

«استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوری‌های توان‌افزا و پوشیدنی) مجاز است»